Analysis and visualization of text data

2024/2025

Academic Year

RUS

Instruction in Russian

6

ECTS credits

Delivered at:

Department of Philology

Course type:

Compulsory course

When:

1 year, 3, 4 module

Instructor

Белоусов Константин Игоревич

Программа дисциплины

Аннотация

Курс «Анализ и визуализация текстовых данных» решает задачу систематизации знаний студентов о сферах применения лингвистических технологий для решения проблем общества, образования, медицины и других сфер. Представлен обзор основных лингвистических методов и подходов, базирующихся на автоматической обработке и визуализации текстовых данных, включая экспертный анализ текстов, методы компьютеризированного анализа, в том числе методы машинного обучения.

Цель освоения дисциплины

• Формирование представления об экспертных и машинных способах анализа текстов разных типов
• Ознакомление с методами визуализации результатов анализа, а также с методами визуализации для сбора гетерогенных поликодовых текстов
• Развитие умения писать программы с использованием методов обработки текстов, методов статистического, кластерного и регрессионного анализа

Планируемые результаты обучения

• Применять методы тематического моделирования: LDA, TextRank, LSA
• Применять методы классификации текстов, в частности, логистическую регрессию, Word2Vec, наивный байесовский алгоритм
• Создавать пуассоновскую регрессию, позволяющую предсказывать результаты показателя X на основе имеющихся данных показателя Y
• Создавать метрики расстояний, k-means, иерархические кластеризации, визуализации деревьев
• Осуществлять предобработку текста с помощью библиотеки NLTK. , извлекать именованные сущности (NER) с помощью библиотек NLTK и Slovnet(Natasha)
• Анализировать данные цифровых ментальных карт страны, используя анализ последовательностей, анализ текстового слоя, координат и др. характеристик объектов
• Производить вычисления, применяя знания по описательной статистике, корреляционному анализу
• Применять имеющиеся словари для КА текста в двух реализациях: с помощью ИС "Семограф" и с помощью реализации собственного кода на языке Python
• Применять платформу визуальной аналитики SciVi для анализа текстов с помощью методов ключевых слов и тематического анализа, использовать методы модулярности графов для кластеризации данных, сопоставлении результатов экспериментов
• Демонстрировать навыки работы с информационной системой "Семограф" и платформой визуальной аналитики SciVi. Строить графосемантические модели предметных научных областей, связанных с темой магистерской диссертации

Содержание учебной дисциплины

• Экспертный анализ выборок научных публикаций
• Анализ и визуализация данных психолингвистики текста
• Компьютеризированный контент-анализ текста
• Анализ результатов компьютеризированного контент-анализа текста
• Анализ гетерогенных поликодовых текстов
• Предобработка текста и извлечение именованных сущностей (NER)
• Регрессионный анализ
• Методы классификации
• Кластеризация
• Методы тематического моделирования: LDA, TextRank, LSA

Элементы контроля

• Самостоятельная работа
  В домашней работе студенту предлагается решить локальную исследовательскую задачу, использовав обсуждавшиеся в лекции методы и инструментарий.
• Самостоятельная работа
  В домашней работе студенту предлагается решить локальную исследовательскую задачу, использовав обсуждавшиеся в лекции методы и инструментарий.

Промежуточная аттестация

• 2024/2025 4th module
  Экзамен выставляется на основе выполненных самостоятельных работ (в количестве 7) по темам учебной дисциплины. В случае несогласия с оценкой студент выполняет одно из заданий, рассматриваемых в курсе.

Список литературы

Рекомендуемая основная литература

• Прикладной анализ текстовых данных на Python : машинное обучение и создание приложений обработки естественного языка, Бенгфорт, Б., 2020

Рекомендуемая дополнительная литература

• Обработка естественного языка Python и spaCy на практике, Васильев, Ю., 2021

Авторы

• Кессель Ксения Витальевна